【AI 感測晶片設計】高解析度ADC/DAC與Edge AI系統整合實戰

講師：成功大學智慧運算學院 副院長 李順裕教授

課程主旨

隨著智慧音訊、AIoT、車用電子、穿戴醫療、機器人與邊緣 AI 應用快速發展，真實世界中的聲音、震動、生理訊號、環境感測與工業數據，都需要透過高解析度資料轉換器進入數位運算系統。ADC/DAC 不再只是類比與數位之間的介面，而是影響 AI 模型資料品質、推論準確度、系統功耗與終端產品體驗的關鍵晶片模組。

本課程針對半導體從業人員設計，從 Sigma-Delta ADC/DAC、超取樣、雜訊整形與數位濾波器等核心技術出發，進一步延伸到 AI 感測系統所需的資料擷取、訊號前處理、特徵萃取、低功耗推論與邊緣部署。課程將結合音訊、語音、穿戴感測、工業預測維護與車用智慧座艙等應用案例，協助學員理解高解析度資料轉換器如何支撐 Edge AI 晶片與智慧感測 SoC 的設計決策。

學習目標

1. 掌握 AI 感測系統中的資料轉換核心：
   理解 ADC/DAC、超取樣、量化雜訊、雜訊整形與 Sigma-Delta Modulator 如何影響 AI 輸入資料品質與模型辨識效果。
2. 建立 Sigma-Delta 架構與 AI 訊號鏈分析能力：
   學習比較一階、二階、高階、MASH、前饋式與多重回授式 SDM 架構，並理解其在音訊 AI、感測 AI 與低功耗 SoC 中的應用取捨。
3. 理解數位濾波、特徵工程與模型前處理流程：
   掌握 FIR、IIR、降頻濾波器、頻譜分析、梅爾頻率倒譜係數（MFCC）、時頻圖（Spectrogram）等技術如何銜接 AI 推論模型。
4. 強化混合訊號 IC 與 Edge AI 系統整合判斷：
   能辨識時脈抖動、熱雜訊、OPAMP 非理想效應、OSR、功耗預算與模型壓縮／量化等因素對晶片設計與 AI 效能的影響。

適合對象

• 類比／混合訊號 IC 設計工程師：
  欲理解 ADC/DAC、Sigma-Delta 架構如何支撐 AI 感測、智慧音訊與邊緣推論應用者。
• AI SoC、感測晶片與音訊晶片研發人員：
  需規劃感測前端、資料轉換器、DSP、NPU／MCU 與 AI 模型協同設計架構者。
• 半導體產品、系統與應用工程師：
  負責晶片規格定義、Reference Design、客戶技術支援，並需說明 AI 感測系統效能差異者。
• 韌體、演算法與系統整合工程師：
  希望理解從類比訊號擷取、數位前處理、特徵工程到 Edge AI 部署完整流程者。

課綱規劃

第一日：AI 感測訊號鏈與高解析度資料轉換器基礎

第二日：高階 SDM、Edge AI 部署與晶片實作挑戰